211service.com
La tecnología que derribó a Eliot Spitzer
Si hay una lección de la caída impulsada por el escándalo del ex gobernador de Nueva York Eliot Spitzer (aparte de la más obvia), es la siguiente: los bancos están prestando atención incluso a las transacciones más pequeñas.
Justicia poética: El profundo conocimiento del exgobernador de Nueva York Eliot Spitzer de las herramientas utilizadas para frustrar el crimen organizado no le impidió entrar en conflicto con el software contra el blanqueo de dinero de su propio banco.
Por esto, podemos agradecer al software moderno y a la presión del gobierno de EE. UU. Posterior al 11 de septiembre para encontrar evidencia de lavado de dinero y financiamiento del terrorismo. Los expertos dicen que todos los grandes bancos, e incluso la mayoría de los pequeños, están ejecutando el llamado software contra el lavado de dinero, que revisa hasta 50 millones de transacciones al día en busca de cualquier cosa fuera de lo común.
En el caso de Spitzer, según los informes de los periódicos, fueron tres transferencias bancarias por un valor de solo 5.000 dólares cada una las que hicieron sonar las alarmas. Ayudó que fuera una figura política prominente. Pero incluso las actividades más mundanas de los ciudadanos comunes reciben el mismo escrutinio inicial.
Todos los grandes bancos tienen estos sistemas de software, dice Pete Balint, cofundador de la Grupo Asesor de Dominio , que ayuda a los bancos a desarrollar estrategias para combatir el blanqueo de capitales y el fraude. Dependiendo de su volumen, pueden tener miles de alertas al mes.
La mayoría de los sistemas siguen reglas bastante simples, buscando anomalías que provoquen un mayor escrutinio. Compañía de software Metavante dice que su software, por ejemplo, contiene más de 70 reglas de mejores prácticas, que cubren una amplia variedad de tipos de transacciones que van desde depósitos en efectivo hasta compras de seguros. Las reglas más simples pueden marcar grandes transacciones en efectivo o múltiples transacciones en un solo día.
En el caso de Spitzer, los tres pagos separados por transferencia bancaria de $ 5,000 reportados por el Wall Street Journal probablemente habría desencadenado una de las más obvias de estas reglas, sin recurrir a capacidades más avanzadas.
Los bancos están constantemente en busca de actividades que parezcan ser un esfuerzo por dividir transacciones grandes y claramente sospechosas en transacciones más pequeñas que podrían pasar desapercibidas, una práctica llamada estructuración. Es casi seguro que las transacciones de Spitzer encajan en ese perfil, dice Dave DeMartino, vicepresidente de Metavante. Los informes de los periódicos han identificado al North Fork Bank de Nueva York, propiedad de Capitol One, como el banco personal de Spitzer. Una portavoz del banco se negó a identificar qué software contra el blanqueo de dinero utiliza la institución, si es que utiliza alguno.
Pero los bancos y las fuerzas del orden también están buscando cosas que no pueden predecir y, por lo tanto, no pueden escribir reglas.
Si solo está escribiendo escenarios, no encontrará cosas que no conocía, dice Michael Recce, científico jefe de Fuerte , otro proveedor destacado de sistemas contra el blanqueo de dinero. Aproximadamente el 60 por ciento de las cosas que encuentran nuestros clientes son cosas que conocían. El resto son cosas que no conocían.
La forma más sencilla de identificar lo inesperado es mediante el contraste con la rutina. Una persona que deposita solo dos cheques de pago al mes durante dos años podría ser señalada si de repente deposita seis cheques grandes en dos semanas, por ejemplo.
Pero los paquetes de software también agrupan a los clientes y las cuentas en perfiles relacionados o grupos de pares, con el fin de establecer líneas de base de comportamiento más generales. Algún software puede agrupar todas las cuentas corrientes personales con un saldo promedio de menos de $ 15,000 o cuentas comerciales con un volumen de negocios de menos de $ 100,000 por mes. Algunos podrían profundizar, agrupando todas las cuentas comerciales específicamente vinculadas a tintorerías o firmas consultoras.
Los paquetes de software más sofisticados pueden clasificar personas o cuentas en varias categorías a la vez: un solo cliente puede compararse con otros maestros de escuela; a las personas que realizan operaciones bancarias principalmente en una sola sucursal regional; ya las personas que tienen ingresos mensuales estables basados en pensiones, por ejemplo.
Cada categoría se analiza para determinar patrones de comportamiento ordinario. Cada transacción individual de los clientes en estos grupos, e incluso los patrones de transacciones que se remontan a un año, se analizan en busca de evidencia de desviación de esta norma utilizando medidas como el número, el tamaño o la frecuencia de las transacciones, entre otras.
Sigue el dinero: La Red de Ejecución de Delitos Financieros del Departamento del Tesoro de EE. UU. Realiza un seguimiento de todos los informes de actividades sospechosas presentados por los bancos. A continuación, se muestra la distribución geográfica de los informes presentados por los bancos en Nueva York entre 1996 y 2006.
El hecho de que se marque una desviación dependerá en parte del puntaje de exposición al riesgo del cliente, una calificación asignada por el banco de acuerdo con la ocupación del cliente, la ubicación geográfica y otros detalles personales. Una maestra de escuela jubilada que ha vivido en los suburbios de Minneapolis toda su vida podría tener un puntaje de riesgo más bajo que un empresario de importación y exportación de Sicilia de 42 años, por ejemplo. Las llamadas personas políticamente expuestas, clientes como políticos, altos ejecutivos y jueces, recibirán automáticamente un mayor nivel de escrutinio.
Cada banco tiene un grupo de personas reales que examinan personalmente las transacciones que han sido marcadas. La gran mayoría de las alertas representan un comportamiento aceptable y no se hace nada más. Si la maestra de escuela de Minneapolis vendió su casa, por ejemplo, los ingresos se mostrarán como una clara desviación de la norma de su grupo de compañeros. El investigador humano comprenderá por qué y no continuará con el asunto.
Los bancos no quieren estar en la posición de informar sobre un cliente sin una buena razón, dice Ido Ophir, vicepresidente de gestión de productos de Activar , otro gran proveedor de software contra el blanqueo de dinero. No pueden simplemente enviar transacciones que no tengan méritos sospechosos.
Sin embargo, si los revisores humanos no pueden explicar la actividad, producirán un informe de actividad sospechosa (SAR), incluida una narrativa escrita que describa la transacción, y envíelo al Servicio de Impuestos Internos y al Departamento del Tesoro. Red de ejecución de delitos financieros (FinCen), el grupo federal responsable de administrar el 1970 Ley de secreto bancario .
La mayoría de los SAR son revisados en última instancia por equipos regionales de investigadores, provenientes del IRS, el FBI, la DEA y la oficina del Fiscal de los Estados Unidos. Pero los informes también entran en una base de datos de la Ley de Secreto Bancario, que se pone a disposición de las agencias policiales federales autorizadas. Los agentes pueden buscar nombres específicos, números de cuenta y detalles, como números de teléfono, para ver si los sujetos de sus propias investigaciones han levantado algún indicador financiero.
El portavoz de FinCen, Steve Hudek, dice que el software de análisis de patrones automatizado también se ejecuta en la base de datos de la Ley de Seguridad Bancaria, lo que ayuda a detectar patrones de actividad o vínculos entre individuos que los humanos podrían pasar por alto. Sin embargo, se negó a decir qué software o proveedores utiliza FinCen.
A medida que el software se ha vuelto más sofisticado y el gobierno ha ejercido más presión para resaltar la actividad sospechosa, el número de RAS presentados ha aumentado drásticamente. En 2000, los bancos (a diferencia de las empresas de valores o los casinos) presentaron 121.505 SAR. En 2006, presentaron 567.080 y, a fines de junio pasado, el último mes del que hay cifras disponibles, 2007 estaba en camino de establecer un nuevo récord.
Los tecnólogos dicen que el software del futuro será aún mejor para detectar anomalías, analizar las redes sociales de los clientes y acceder a las vastas bases de datos de información en poder de empresas como LexisNexis y ChoicePoint y usar esa información externa para ayudar a emitir juicios sobre las transacciones de los clientes.
Esto podría ser una pesadilla para los defensores de la privacidad, pero ayuda a mantener a los bancos a salvo del fraude y las multas regulatorias.
Estamos llegando al problema de cómo digerir cantidades cada vez mayores de información, dice Recce de Fortent. Fundamentalmente, hay una enorme cantidad de información y la gente está tratando de esconderse en ella.